TUGAS TERSTRUKTUR

TEKNIK EVALUASI MUTU KOMODITAS PERTANIAN

“REVIEW JURNAL TENTANG APLIKASI IMAGE PROCESSING”

Oleh :
Nurul Sabila Akbar (A1C015009)
Fajri Asti Ameiniyah (A1C015019)

UNIVERSITAS JENDERAL SOEDIRMAN

PURWOKERTO
2018
 REVIEW JURNAL

Judul Identifikasi Jenis dan Mutu Teh Menggunakan Pengolahan Citra

Digital dengan Metode Jaringan Syaraf Tiruan
Jurnal Jurnal Teknotan
Volume & Halaman Volume 11, No 2 dan halaman 67 - 76
Tahun 2017
Penulis Mas’ud Effendi, Fitriyah dan Usman Effendi
Reviewer Nurul Sabila Akbar dan Fajri Asti Ameiniyah
Tanggal 14 April 2018

Tujuan Penelitian Tujuan dari penelitian ini yaitu upaya untuk mengurangi tingkat
kesalahan identifikasi mata manusia akibat ketidaktahuan atau
kurangnya pengetahuan masyarakat tentang teh Selain itu
pemanfaatan teknologi pengolahan citra digital diharapkan dapat
tercipta aplikasi yang lebih memudahkan masyarakat dalam
menentukan jenis dan mutu teh dalam waktu yang singkat dan biaya
murah, terlebih bagi produsen.
Subjek Penelitian Beberapa macam jenis teh yaitu, Teh hitam, teh hijau, dan teh putih.
Metode Penelitian Penelitian ini dilakukan di Pusat Penelitian Teh dan Kina (PPTK)
Bandung, Jawa Barat dengan mengambil sampel teh hitam, teh
hijau, dan teh putih. Tahapan penelitian sistem pengolahan citra
digital teh dibuat melalui akuisisi citra, preprocessing, ekstraksi
fitur, training, testing dan prediksi.
Pembuatan sistem dilakukan dengan menggunakan software
dengan bantuan komputer untuk dapat membedakan antara jenis
dan mutu teh dengan menggunakan metode jaringan syaraf tiruan
dengan algoritma Learning Vector Quantization (LVQ).
Tahapan penelitian Tahapan yang digunakan dalam proses penelitian ini adalah:
1. Analisis Perancangan dan Implementasi Sistem, yaitu dengan
pengambilan citra dengan menggunakan scanner yang
terhubung langsung dengan laptop.
2. Tahap Akuisisi Citra, dilakukan untuk menyeragamkan ukuran
piksel pada citra yang diambil melalui scanner, Dalam
menyeragamkan ukuran piksel,dilakukan cropping citra dengan
ukuran 300x300 piksel, kemudian di resize.
3. Tahap Preprocessing dan Ekstraksi Fitur, merupakan tahap
dimana citra yang dilakukan ekstraksi fitur diubah terlebih
dahulu menjadi citra grayscale atau citra biner. Pada tahapan
ini, citra yang menjadi objek ekstraksi diubah menjadi warna
putih, sebaliknya latar belakang objek diubah menjadi warna
hitam. Ekstraksi fitur membaca nilai-nilai parameter warna
RGB dan HSI.
4. Tahap Training dan Testing, Proses training dilakukan untuk
melatih jaringan syaraf tiruan agar mampu mengidentifikasi
perbedaan antar jenis teh dengan membentuk arsitektur jaringan
dan menetapkan nilai bobot untuk tahap pengenalan. Arsitektur
 jaringan yang diperoleh ditentukan oleh jumlah data training
yang digunakan dan variabel training yang dapat ditentukan
oleh user sesuai dengan kebutuhan. Variabel training yang
digunakan meliputi hidden neuron, learning rate, epoch dan
error goal. Arsitektur jaringan yang diperoleh digunakan pada
tahap testing. Proses testing data merupakan tahap pengujian
sistem yang telah dibuat.
5. Tahap Prediksi, merupakan proses identifikasi untuk
mengetahui hasil jenis dan mutu teh dari citra yang telah
diinputkan.
Hasil Penelitian Berdasarkan hasil penelitian ini dengan menggunakan 26 sampel
citra teh menunjukkan bahwa terdapat 11 citra yang sesuai dan 15
citra yang tidak sesuai, sehingga tingkat akurasi keberhasilan
identifikasi jenis dan mutu teh yang diperoleh sebesar 42,31%.
Hasil akurasi dari data prediksi yang diperoleh masih rendah,
karena akurasi yang diperoleh sistem juga masih rendah. Akurasi
sistem masih rendah karena pengaruh variabel training atau
kesalahan dalam pengambilan gambar yang masih terdapat noise
pada saat pengambilan gambar berupa debu pada lensa scanner.
Citra benar yaitu citra yang sesuai dengan jenis dan mutu yang telah
ditentukan berdasarkan SNI.
Kekuatan Penelitian Kekuatan pada penelitian ini yaitu, aplikasi untuk identifikasi jenis
dan mutu teh menggunakan pengolahan citra digital belum pernah
ada di Indonesia sehingga berpotensi untuk dapat diaplikasikan di
masyarakat. Komoditas teh di Indonesia merupakan salah satu hasil
pertanian/perkebunan yang melimpah di Indonesia sehingga dapat
membantu masyarakat untuk memudahkan membedakan jenis dan
mutu teh.
Kelemahan Penelitian Berdasarkan hasil penelitian ini, akurasi dari sistem masih rendah
sehingga identifikasi jenis dan mutu masih kurang akurat dan
spesifik. Sehingga perlu adanya pengembangan sistem untuk
mengurangi noise pada sistem.